文献

J-GLOBAL ID：202102254990901061   整理番号：21A0586601

最大尤度と極端学習機械ベース法を用いた失速近傍の空力パラメータの推定【JST・京大機械翻訳】

Estimation of aerodynamic parameters near stall using maximum likelihood and extreme learning machine-based methods

著者 (2件)： Verma H.O. (Department of Aerospace Engineering, Indian Institute of Technology Kharagpur, Kharagpur, West Bengal, India) ,  Peyada N.K. (Department of Aerospace Engineering, Indian Institute of Technology Kharagpur, Kharagpur, West Bengal, India)
資料名： Aeronautical Journal  (Aeronautical Journal)
巻： 125  号： 1285  ページ： 489-509  発行年： 2020年 
JST資料番号： C0342A  ISSN： 0001-9240  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ABSTRACT:安定性および制御誘導体は航空機の飛行操作における必須パラメータであり,それらの決定は最尤および最小二乗原理に基づく古典的パラメータ推定法を用いるルーチンタスクである。高迎え角では,非定常空力は空力構造決定の困難さを提起し,従って,人工ニューラルネットワークに基づくデータ駆動法は,測定運動と制御変数に基づくシステムの挙動を特性化するためのモデル構築のための代替選択である。本研究では,空力パラメータの同定のための制約された意味における航空機力学のモデリングにおける極端学習機械ネットワークに基づく再帰ニューラルモデルの使用の実現可能性を検討した。反復極値学習機械ネットワークをGauss-Newton法と結合して,仮定された空力モデルの未知数を最適化した。提案した推定アルゴリズムの有効性を,準定常失速操作からの実際の飛行データを用いて研究する。さらに,推定を最尤法を用いて推定したパラメータに対して検証した。推定の標準偏差は,提案したアルゴリズムの有効性を実証した。最後に,推定値を用いて再生された量は,対応する測定値と良好な一致を示し,定性的推定が提案した推定アルゴリズムを用いて得られることを確認した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最小二乗法 ,  最適化 ,  航空機 ,  ネットワーク ,  *失速 ,  *空気力学 ,  迎え角 ,  ニューラルネットワーク ,  *最尤法 ,  *学習機械 ,  飛翔 ,  *パラメータ推定 ,  推定量
準シソーラス用語： 神経回路網モデル , 【Automatic Indexing@JST】

著者キーワード (7件)： リカレントニューラルモデル ,  極限学習機械 ,  パラメータ推定 ,  最尤推定 ,  Gauss-Newton法 ,  準定常失速操作 ,  空気力学モデル

分類 (3件)： 飛しょう体の設計・構造  (QK04010H) ,  航空交通管制・航法施設  (TE01030T) ,  航空機の運動性・安定性・操縦性  (QK02040A)

タイトルに関連する用語 (6件)： 最大尤度 ,  極端学習機械 ,  失速 ,  近傍 ,  空力 ,  パラメータの推定